雾天环境下自适应图像增强去雾方法研究

　　1　引言

　　在雾天环境下,弥漫在空中的雾气模糊了人们的视线,使得拍摄出来的景物能见度和对比度大幅降低,直接影响了航空、海运和道路交通的安全,同时使各种户外监测系统,如远距离视频监控系统,在恶劣天气下往往无法可靠工作。因此对可见光的图像去雾的研究具有很高的现实意义。尤其是为了满足实时视频图像处理的要求,研究如何在达到好的去雾效果的同时,尽量提高运算速度,具有重要意义。

　　目前,雾天景象的清晰化所采取的方法大部分都是基于大气退化物理模型的方法,来获取图像的深度信息。有些借助于专用的已经标定的雷达装置获得深度信息,然后利用图像数据和深度信息来求解模型参数,再把参数代入退化模型,求得估计图像;有些则需要两种不同天气状况下同一场景的图像来估计深度信息。这些处理方法的要求都比较苛刻。本文研究是一种针对雾天环境下低对比度图像的自适应图像增强去雾方法。该方法能够适应雾天环境下图像场景深度多变的特点以及满足实时视频图像处理的要求。

　　2　雾天大气散射物理模型

　　雾天环境下由于大气微粒的散射作用[1, 2],从景物点所反射的光的部分光通量被微粒吸收和反射,使到达观察者的入射光被衰减。从景物点到观察者,被衰减后的辐射度为:

　　3　自适应图像增强去雾方法

　　由上面介绍可知,雾天景物图像的对比度低主要是由大气散射现象引起的,因此随着景物距离增加,入射光衰减程度不断增高,掺入的环境光也不断增多,使景物被模糊的程度随之增加。所以,当图像场景深度多变时,对比度退化程度会随之改变。

　　常见的图像增强去雾方法有两种:全局直方图均衡化方法和局部直方图均衡化方法[3,4]。对于图像场景深度多变时,全局直方图均衡化方法只能对整个图像的直方图进行平整处理,对比度增强的效果难以满足要求。而局部直方图均衡化算法使对每个像素点的对比度拉伸都能考虑其邻域的亮度条件,从而使输入图像的局部信息突出表现出来,但计算量庞大,无法满足实时要求。

　　为了适应雾天环境下图像场景深度多变的特点以及满足实时视频图像处理的要求,本文提出了一种自适应图像增强去雾方法,部分重叠直方图均衡化方法(PartiallyOverlapped Sub-BlockHistogram Equalization, POSHE)。

　　3. 1　PO SHE算法的基本思想

　　POSHE算法的基本思想是将邻域内的子块变换函数通过加权求和计算得到当前子块的变换函数,以消除子块直方图均衡化变换之间的差异。为了实现对不同子块变换函数之间的加权求和运算, POSHE算法需要构造加权模板算子。